Inkonsistente Ergebnisse bei MKL-Berechnungen aufgrund einer fehlenden Umgebungsvariablen in Microsoft R Server oder Machine Learning Server
Dieser Artikel hilft Ihnen, das Problem zu beheben, bei dem Sie aufgrund einer fehlenden Umgebungsvariable inkonsistente Ergebnisse erhalten.
Gilt für: SQL Server 2017 unter Windows, Microsoft Machine Learning Server (R Server)
Ursprüngliche KB-Nummer: 4488257
Symptome
Wenn Sie Microsoft R Server 9.0, 9.1, 9.2, 9.3.x oder Microsoft Machine Learning Server als Teil von Microsoft SQL Server 2017 ausführen, treten inkonsistente Ergebnisse bei Berechnungen der Intel Math Kernel Library (MKL) auf. Dieses Problem tritt aufgrund einer fehlenden MKL_CBWR Umgebungsvariable auf.
Ursache
Dieses Problem tritt auf, weil der Intel MKL-Bibliothek ein neues Feature hinzugefügt wurde, das zusammen mit Microsoft R Server und SQL Server 2017 enthalten ist. Weitere Informationen zu diesem Feature finden Sie unter Einführung in die bedingte numerische Reproduzierbarkeit (CNR).
Fehlerbehebung
Um dieses Problem zu beheben, konfigurieren Sie die bedingte numerische Reproduzierbarkeit in Microsoft R Server oder Machine Learning Server, indem Sie die Systemumgebungsvariable MKL_CBWR=AUTO festlegen. Gehen Sie dazu wie folgt vor:
Wählen Sie Systemsteuerung Die Option System- und Sicherheitssystem>>Erweiterte Systemeinstellungen>Umgebungsvariablen aus.
Erstellen Sie eine neue Benutzer- oder Systemvariable, und geben Sie die folgenden Werte an:
- Legen Sie den Variablennamen auf MKL_CBWR fest.
- Legen Sie den Variablenwert auf AUTO fest.
Starten Sie Microsoft R Server neu.
Status
Microsoft hat bestätigt, dass dies ein Problem in den Microsoft-Produkten ist.
In zukünftigen Versionen von Microsoft R Server ist die Einstellung MKL_CBWR=AUTO die Standardeinstellung.
References
Informationen zum Haftungsausschluss von Drittanbietern
Die in diesem Artikel genannten Drittanbieterprodukte stammen von Herstellern, die von Microsoft unabhängig sind. Microsoft gewährt keine implizite oder sonstige Garantie in Bezug auf die Leistung oder Zuverlässigkeit dieser Produkte.